Como o Google Realmente Calcula a Sua Classificação por Estrelas (Não é uma Média)

A matemática Bayesiana por trás das avaliações ponderadas, do declínio por tempo e por que a sua classificação exibida quase certamente difere da sua média aritmética — explicado com fórmulas reais e cálculos práticos.

Eis algo que a maioria dos donos de negócios descobre da maneira mais difícil: pode-se obter vinte avaliações de cinco estrelas consecutivas e ver a classificação exibida mal se mover. Ou pior — passa-se seis meses a melhorar o serviço, finalmente chega-se a 50 avaliações e percebe-se que a média de 4.8 de alguma forma se estabeleceu em 4.3 no Google Maps. A matemática não está errada. Está a funcionar exatamente como foi projetada. Apenas não lhe disseram qual era o projeto.

O Google nunca publicou o seu algoritmo de classificação. Mas entre a fórmula Bayesiana publicamente documentada do IMDB, a documentação de classificação da Algolia, a investigação académica sobre sistemas de avaliação e anos de profissionais a fazer engenharia reversa de mudanças visíveis na classificação, a mecânica é bem compreendida. Este artigo explica a matemática — de forma adequada, com números reais.

Vamos começar por definir o que é uma média simples e por que ela falha. A média aritmética de um conjunto de classificações é simplesmente a soma dividida pela contagem. Três avaliações de 5, 4 e 5 resultam em (5+4+5)/3 = 4.67. Isso está matematicamente correto. É também estatisticamente enganador quando o objetivo é classificar milhares de empresas umas contra as outras.

Os modos de falha acumulam-se rapidamente em grande escala. Um restaurante que abriu na semana passada com três avaliações de amigos entusiastas terá uma pontuação mais alta do que um concorrente estabelecido com 200 avaliações e uma média de 4.4 — mesmo que o estabelecimento estabelecido represente um sinal dramaticamente mais confiável. Qualquer sistema de classificação que permita isso será manipulado até se tornar irrelevante em poucos meses.

Como o cálculo da classificação por estrelas do Google funciona na prática

Pense na classificação Bayesiana como uma média ponderada pela confiança. Quando tem muito poucas avaliações, o sistema não confia na sua amostra o suficiente para a exibir pelo seu valor nominal. Em vez disso, mistura a sua média bruta com uma 'priori' — uma expectativa padrão baseada em todas as empresas semelhantes. Quanto mais avaliações acumula, mais o sistema confia nos seus próprios dados e menos a 'priori' importa.

O IMDB usa exatamente esta abordagem para a sua lista Top 250 e documentou a fórmula publicamente: PC = (v/(v+m)) × R + (m/(v+m)) × C. As variáveis são elegantemente simples, mas as implicações comportamentais levam um momento para serem totalmente absorvidas. A mesma estrutura matemática aparece na documentação de classificação da Algolia, na literatura académica sobre sistemas de avaliação e no trabalho de engenharia reversa feito por profissionais de SEO que estudam a classificação local do Google.

A fórmula PC = (v/(v+m)) × R + (m/(v+m)) × C é uma mistura ponderada de duas quantidades: a média observada da sua empresa (R) e a média de toda a categoria (C). Os pesos são determinados pelo número de avaliações que possui (v) em relação a um limiar mínimo de credibilidade (m).

Note que (v/(v+m)) + (m/(v+m)) é sempre igual a 1.0. Estes dois pesos somam 100% — está-se sempre a interpolar entre os seus próprios dados e a 'priori'. A única questão é quanto de cada um. Quando v é minúsculo em relação a m, a 'priori' domina. Quando v é grande em relação a m, as suas próprias avaliações dominam.

WR = (v / (v + m)) × R + (m / (v + m)) × C

O limiar m é o parâmetro que codifica os requisitos de confiança da plataforma. O IMDB define m em aproximadamente 25.000 votos para o seu cálculo do Top 250. Um café de bairro no Google não está a competir no mesmo universo estatístico que o filme Avatar, então m é definido como muito mais baixo — os profissionais geralmente estimam m no intervalo de 5 a 50 para as listagens locais do Google, variando por categoria e mercado geográfico.

A média da categoria C é a variável mais subestimada. Não é uma constante global fixa. O Google quase certamente calcula C dinamicamente — por categoria, por cidade, talvez por contexto de pesquisa. Um dentista em São Francisco é comparado com outros dentistas de São Francisco, não com restaurantes na zona rural de Montana. Isto significa que o seu piso Bayesiano é específico da categoria.

Por que a fórmula de classificação ponderada por estrelas é importante para o seu SEO

A implicação prática é que obter as suas primeiras 50 avaliações importa desproporcionalmente mais do que obter as avaliações de 51 a 150. Cada avaliação abaixo do limiar de credibilidade m tem um impacto descomunal porque altera significativamente o coeficiente (v/(v+m)). Passar de v=5 para v=10 duplica o seu peso de confiança. Passar de v=150 para v=155 é quase impercetível.

Isto explica um padrão contraintuitivo que os profissionais observam repetidamente: uma empresa passa de 3 para 30 avaliações e vê a sua classificação exibida cair de 5.0 para 4.6 — mesmo quando as novas avaliações também são positivas. A matemática está correta. O 5.0 inicial era uma ficção Bayesiana. O 4.6 é a primeira estimativa honesta.

Dois exemplos práticos, usando uma média de categoria realista de C = 4.1 e um limiar mínimo de m = 50. Estas são estimativas plausíveis para uma categoria de serviço local moderadamente competitiva (canalizadores, dentistas, oficinas de automóveis). Insira valores diferentes para modelar a sua própria categoria.

A Empresa A tem uma pontuação bruta perfeita — todos os avaliadores deram 5 estrelas. Mas com apenas 3 avaliações, a fórmula confia nos seus próprios dados apenas 5.7%. Os restantes 94.3% da sua pontuação exibida vêm da média da categoria de 4.1. Resultado: 4.15. Não o 5.0 que parece merecer.

A Empresa B tem uma média bruta mais baixa de 4.6 — alguns avaliadores deram 3 ou 4 estrelas. Mas 120 avaliações significam que a fórmula confia nos seus próprios dados 70.6%. A sua pontuação exibida de 4.45 está muito mais próxima da realidade e será classificada mais alto pelo algoritmo do Google do que o 5.0 nominal da Empresa A. O volume gera credibilidade. A credibilidade gera visibilidade.

A tabela abaixo aplica a fórmula em seis cenários com C = 4.1 e m = 50. A coluna Delta mostra o quanto a pontuação Bayesiana difere da média simples. Note como a diferença diminui à medida que o número de avaliações cresce — isso é a 'priori' a perder influência à medida que a evidência se acumula.

A linha mais interessante é a última: uma empresa com apenas 5 avaliações, mas uma média bruta terrível de 2.0, na verdade exibe 3.85 — elevada em quase duas estrelas inteiras pela média da categoria. Isto é propositado. O sistema recusa-se a condenar uma empresa ao esquecimento com base em cinco pontos de dados. Ele tende para a média até que a amostra seja grande o suficiente para garantir confiança.

Este efeito de amortecimento em valores atípicos negativos é o motivo pelo qual o 'review bombing' — uma campanha coordenada de avaliações negativas falsas — é menos catastrófico do que parece à primeira vista. O algoritmo resiste a resultados extremos quando o número de avaliações é insuficiente para os justificar. Dito isto, os sistemas de deteção de anomalias do Google também sinalizam campanhas de avaliação de alta velocidade em ambas as direções.

A fórmula Bayesiana explica a linha de base, mas o sistema real do Google adiciona pelo menos mais três camadas: declínio por tempo, pontuação de confiança do contribuidor e amortecimento de anomalias para picos de velocidade. Nenhuma destas é confirmada oficialmente. Todas são inferidas a partir de evidências comportamentais e análise de patentes.

Pense na fórmula Bayesiana base como a fundação. Tudo o que é construído sobre ela torna o sinal mais resistente à manipulação e mais preciso temporalmente. O objetivo é sempre o mesmo: fazer com que a classificação exibida reflita o que um cliente genuinamente experienciaria se entrasse hoje.

Ponderação por tempo — por que os seus últimos 90 dias dominam

O Google aplica um declínio temporal às avaliações, dando mais peso ao feedback recente do que a entradas mais antigas. O mecanismo é consistente com uma função de decaimento exponencial, onde a influência de uma avaliação diminui ao longo do tempo em vez de cair para zero numa data de corte rígida.^[1]

A análise da comunidade sobre o comportamento das classificações do Google consistentemente descobre que avaliações publicadas há mais de 12–18 meses têm cerca de 30–50% menos influência do que uma avaliação publicada na semana passada. Uma avaliação de 5 estrelas de há três anos ainda é contada — apenas é contada com menos peso. Isto significa que uma empresa que recolheu 80 avaliações em 2022 e não obteve mais nenhuma desde então está a viver de um sinal emprestado.

w(t) = exp(-λ × Δt)

where:
  Δt = days since review was posted
  λ  = decay constant (estimated ~0.003–0.008 for Google)
  w(t) = weight applied to that review in the running average

Confiança do contribuidor — por que a avaliação de um Local Guide de Nível 7 tem mais impacto

A hierarquia de confiança do Google para avaliadores é inferida do seu portfólio de patentes e comportamento observável. A patente US8818995B1 descreve um sistema de classificação de pesquisa que pondera as contribuições pelo nível de confiança da entidade que as faz. Aplicado a avaliações: um Local Guide de Nível 7 com centenas de avaliações detalhadas em várias categorias de negócios é registado como um nó de alta confiança.^[2]

O efeito prático: uma avaliação de 5 estrelas de um Local Guide de Nível 7 é provavelmente ponderada mais pesadamente do que uma avaliação de 5 estrelas de uma conta criada ontem sem histórico de avaliações. Não se trata do valor da estrela — ambas contam como 5 no numerador. Mas o peso aplicado a cada uma antes da média difere. O Google nunca quantificou essa diferença publicamente.

Amortecimento de anomalias — o que acontece quando 40 avaliações chegam numa semana

Picos de velocidade acionam uma camada de deteção separada. Se uma empresa recebe 40 avaliações em 72 horas quando a sua linha de base é de 2–3 por mês, os sistemas do Google sinalizam este padrão. O resultado não é a exclusão automática — é a quarentena. Novas avaliações deixam de aparecer na contagem e classificação exibidas enquanto o sistema investiga.^[3]

Este mecanismo explica por que empresas que compram campanhas de avaliação em massa muitas vezes não veem melhorias visíveis — ou veem temporariamente as classificações do seu perfil cair enquanto as avaliações autênticas mais antigas permanecem visíveis, mas o novo lote fica no limbo da avaliação. O algoritmo está especificamente ajustado para desconfiar de inflexões súbitas de volume que se desviam das linhas de base estabelecidas.

Dois cenários de estilo real para ilustrar como a fórmula se comporta ao longo do tempo. Nenhum é fictício — estes padrões aparecem repetidamente em estudos de caso de profissionais de gestão de reputação.

O cenário do dentista demonstra a principal perceção da classificação Bayesiana: uma média bruta mais baixa com alta confiança supera uma média bruta mais alta com baixa confiança. A pontuação exibida diminuiu (de um 4.9 nominal para um 4.58 exibido), mas a posição no ranking melhorou porque o peso da confiança agora é real.

O cenário do pico no restaurante ilustra por que a cadência orgânica é importante. Os sistemas do Google são calibrados para detetar velocidade não natural. Quarenta avaliações numa semana seguidas por dois meses de silêncio não só parece suspeito — a contagem efetiva amortecida significa que gastou dinheiro e não ganhou quase nada. A matemática pune-o duas vezes: a deteção de anomalias reduz a contagem visível, e o declínio por tempo significa que as avaliações da era do pico começam a desvanecer-se imediatamente.

A média Bayesiana não é a única abordagem estatisticamente sólida. O ensaio de 2009 de Evan Miller, 'How Not to Sort by Average Rating', popularizou um método diferente: o limite inferior do intervalo de confiança do Wilson score. O Reddit adotou-o para a classificação de comentários. O Yelp usa uma variação dele.

score = ( p̂ + z²/2n - z√(p̂(1-p̂)/n + z²/4n²) ) / ( 1 + z²/n )

where:
  p̂  = observed positive proportion (e.g. 4+5 star / total)
  n   = total number of ratings
  z   = 1.96  (for 95% confidence interval)
  score = lower-bound of the true positive rate

O Wilson score faz uma pergunta diferente da média Bayesiana. Em vez de 'misturar os meus dados com uma priori', ele pergunta: 'dadas as classificações que tenho, qual é a pior qualidade verdadeira provável com 95% de confiança?' Isto produz uma estimativa conservadora que pune a incerteza de forma ainda mais agressiva do que a média Bayesiana para contagens de avaliação muito baixas.

Uma terceira abordagem — o modelo Dirichlet-Multinomial — trata todos os cinco valores de estrelas como categorias separadas, em vez de uma única pontuação contínua. A District Data Labs documentou esta abordagem para sistemas multi-estrelas. É matematicamente mais correto do que a fórmula do IMDB (que trata implicitamente as estrelas como uma escala linear), mas computacionalmente mais pesado. Para fins práticos, a diferença comportamental entre a média Bayesiana e um modelo de Dirichlet torna-se negligenciável acima de aproximadamente 30 avaliações.

Compreender a matemática converte o conselho abstrato ('obtenha mais avaliações') numa estratégia quantificada. Cada negócio existe algures no espectro v/(v+m). Saber onde está diz-lhe o quanto a sua próxima avaliação realmente faz a diferença.

Se v = 8 e m = 50, uma única nova avaliação de 5 estrelas altera o seu peso de confiança de 8/58 = 0.138 para 9/59 = 0.153. Essa mudança de 1.5 pontos percentuais é significativa. Se v = 300 e m = 50, a mesma avaliação altera-o de 300/350 = 0.857 para 301/351 = 0.858 — quase indetetável. O volume na janela inicial tem dez vezes o impacto matemático do volume em escala.

Como calcular a classificação média ponderada por estrelas para o seu próprio negócio

Pode executar a fórmula você mesmo numa folha de cálculo. Use a sua contagem atual de avaliações como v. Estime o m da sua categoria observando as contagens de avaliações que as 3 principais empresas na sua categoria do Google Maps mantêm — o percentil 25 dessa distribuição é uma estimativa razoável de m. A sua classificação exibida atual já é provavelmente o resultado PC; a sua média simples é a soma dividida pela contagem no seu backend.

O cálculo que lhe interessa é o impacto marginal das próximas N avaliações. Modele-o: aumente v em 10, recalcule PC, observe a diferença. Faça isso para uma gama de valores de v para construir uma curva de sensibilidade. A parte mais íngreme dessa curva — onde cada avaliação adicional produz a maior melhoria em PC — é onde deve concentrar o seu esforço de aquisição de avaliações.

Por que o tempo significa que a velocidade de avaliação é mais importante do que a contagem total

Assim que entender o declínio por tempo, o alvo da otimização muda. Não se trata apenas do volume total — trata-se do volume distribuído no tempo. Uma empresa com 400 avaliações recolhidas ao longo de cinco anos e nada nos últimos 18 meses está efetivamente a operar com uma amostra efetiva menor do que os números sugerem. As avaliações decaídas contribuem menos para a média ponderada contínua.

A geração consistente de avaliações — mesmo a taxas modestas — acumula-se ao longo do tempo de maneiras que a aquisição em rajada nunca consegue. Oito novas avaliações por mês durante doze meses superam 96 avaliações num único mês em quase todas as métricas relevantes: confiança Bayesiana, aprovação na deteção de anomalias, trajetória de declínio por tempo e perceção de credibilidade do consumidor.